标签：图像
多模态大模型，阿里通义千问能和GPT-4V掰手腕了
机器之心报道 编辑：泽南、蛋酱通义千问的图像推理能力，最近有了大幅提升。 2024 年，大模型领域要卷什么？ 如果没有思路的话，不妨看看各家大厂都在押注什...
扩散模型更懂复杂提示词！Pika北大斯坦福开源新框架，利用LLM提升理解力
明敏 发自 凹非寺量子位 | 公众号 QbitAIPika北大斯坦福联手，开源最新文本-图像生成/编辑框架！ 无需额外训练，即可让扩散模型拥有更强提示词理解能力。 面...
AI 也会戴有色眼镜？一文揭露图像生成中的刻板印象
夕小瑶科技说 原创作者|智商掉了一地、Python众所周知，刻板印象具有高度主观性，就好比给出关键词“神探”，不同观众可能会联想到截然不同的答案。 ▲图1 神探...
纪念碑谷式错觉图像都被「看穿」，港大、TikTok的Depth Anything火了
机器之心报道 编辑：Panda、蛋酱人类有两只眼睛来估计视觉环境的深度信息，但机器人和 VR 头社等设备却往往没有这样的「配置」，往往只能靠单个摄像头或单张...
世界顶尖多模态大模型开源！又是零一万物，又是李开复
允中 发自 凹非寺量子位 | 公众号 QbitAI领跑中英文两大权威榜单，李开复零一万物交出多模态大模型答卷！ 距离其首款开源大模型Yi-34B和Yi-6B的发布，仅间隔...
零一万物发布Yi-VL多模态语言模型并开源，测评仅次于GPT-4V
作者 | 褚杏娟 1 月 22 日，零一万物发布 Yi Vision Language（Yi-VL）多模态语言大模型，并正式面向全球开源。Yi-VL 模型基于 Yi 语言模型开发，包括 Yi-VL-...
零一万物Yi-VL多模态大模型开源，MMMU、CMMMU两大权威榜单领先
机器之心发布 机器之心编辑部1 月 22 日，零一万物 Yi 系列模型家族迎来新成员：Yi Vision Language（Yi-VL）多模态语言大模型正式面向全球开源。据悉，Yi-VL...
一张照片，为深度学习巨头们定制人像图片
机器之心专栏 作者：InstantX 团队主题驱动的文本到图像生成，通常需要在多张包含该主题（如人物、风格）的数据集上进行训练，这类方法中的代表工作包括 Drea...
GPT-4V惨败！CV大神谢赛宁新作：V*重磅「视觉搜索」算法让LLM理解力逼近人类
新智元报道编辑：桃子 【新智元导读】多模态大模型GPT-4V也会「有眼无珠」。UC San Diego纽约大学研究人员提出全新V*视觉搜索算法逆转LLM弱视觉宿命。Sam Alt...
Midjourney V6超进化，大神网友深度评测来了！画质逼真到可怕，人像图片令人惊呆
新智元报道编辑：Aeneas 【新智元导读】Midjourney大神的超深度测评来了！V6比起V5.2究竟有哪些改进？来感受一下吧。最近，国外的一位名叫Andrei Kovalev的大...
视觉Mamba来了：速度提升2.8倍，内存能省87%
机器之心报道 编辑：陈萍、泽南Vision Mamba 不是个普通模型。号称「全面包围 Transformer」的 Mamba，推出不到两个月就有了高性能的视觉版。 本周四，来自华...
多模态训练，怎么对齐不同模态？
直播预告 | 1月22日晚7点，「自动驾驶新青年讲座」第35讲正式开讲，LMDrive一作、香港中文大学MMLab在读博士邵昊将主讲《LMDrive：大语言模型加持的闭环端到...
20%的杨幂+80%的泰勒长什么样？小红书风格化AI来了，可兼容SD和ControlNet
丰色 发自 凹非寺量子位 | 公众号 QbitAI不得不说，现在拍写真真是“简单到放肆”了。 真人不用出镜，不用费心凹姿势、搞发型，只需一张本人图像，等待几秒钟，...
AI生图界扛把子被曝剽窃！复制粘贴好莱坞大片，Midjourney、OpenAI都中枪了
一个单词，让AI生成堪比电影截图的钢铁侠？ 编译|香草 编辑|李水青 以下这组图，你能分辨出哪些是电影截图，哪些是AI生成的图像吗？ ▲Midjourney生成图像与原...
「文生图」再升级！学习个性化参照，无限生成多样图片，轻松设计玩具建筑
新智元报道编辑：LRS 【新智元导读】将图片集反演到语义空间的分布，生成多样个性化图片或3D渲染，支持灵活文本编辑、多样性控制、概念混合等。最近，来自南...
粤公网安备 44011502001135号